
GRPO训练不再「自嗨」!快手可灵 x 中山大学推出「GRPO卫兵」,显著缓解视觉生成过优化(在新窗口打开)
目前,GRPO 在图像和视频生成的流模型中取得了显著提升(如 FlowGRPO 和 DanceGRPO),已被证明在后训练阶段能够有效提升视觉生成式流模型的人类偏好对齐、文本渲染与指令遵循能力。
共 126 篇

目前,GRPO 在图像和视频生成的流模型中取得了显著提升(如 FlowGRPO 和 DanceGRPO),已被证明在后训练阶段能够有效提升视觉生成式流模型的人类偏好对齐、文本渲染与指令遵循能力。

强化学习能力强大,几乎已经成为推理模型训练流程中的标配,也有不少研究者在探索强化学习可以为大模型带来哪些涌现行为。

在多模态大模型的基座上,视觉 - 语言 - 动作(Visual-Language-Action, VLA)模型使用大量机器人操作数据进行预训练,有望实现通用的具身操作能力。

Jinyan Su从后训练求职与研究经历出发,讨论数商的任务、销售方式和质量判断。文章为个人观察与评论,匿名案例未独立核实,不能代表所有数据商或服务平台。

思维链提示论文第一作者Jason Wei确认离开Meta并加入Mercor,参与数据与模型评测研究。报道同时梳理其研究经历,以及Mercor从专家数据服务向评测和后训练基础设施的扩展。

团队对基于Qwen模型的生信后训练版本公布多次尝试成绩,并展示队列、无标签样本和数据质检案例;结论仍限指定任务和系统。

据公司与投资方披露,本轮包括员工股份出售安排,资金将投入模型评估、后训练基础设施及智能体工作环境。

169Pi 发布的模型卡列出千问底座、量化和后训练方案。文章对比发布文案与模型资料,并讨论使用不同来源成绩做横向比较的限制。

闫俊杰在 Scottish Mortgage 播客解释低推理成本如何支持后训练,并讨论 H3 开放权重和 M3 Pro 的开发进度。访谈亦区分年化收入运行率与财报收入。

文章以 Fal 的 E、F 两轮融资为起点,分析统一模型 API、GPU 调度和后训练在生成式媒体中的作用,并讨论推理服务的单位成本、毛利和竞争格局。